目录
写在前面
今天打开csdn,想写这篇博客的时候,发现,哇,Markdown编辑器,赶紧试了一下,好用,哈哈。
理解出错之处望不吝指正。
文章大意
这篇文章是ICCV2015年的文章,我是看了浙大王萌萌学姐的目标跟踪综述视频才看了这篇文章。文章中根据不同跟踪器的共性,将跟踪器分为以下五个组成部分:
1. Motion Model,意为运动模型,代表模型中对于当前帧,如何根据上一帧的位置进行采样,得到候选bbox;
2. Feature Extractor,即特征提取,不需要过多解释;
3. Observation Model,这部分用于判断哪个候选bbox应作为当前帧的跟踪结果;
4. Model Updater,即模型更新部分,包括模型的更新策略、更新频次等;
5. Ensemble Post-processor,有些时候,一个跟踪系统中包含多个跟踪器,要将他们的跟踪结果结合才能得到最终的跟踪结果。
论文中通过实验进行验证,讨论了以上五部分对跟踪效果的影响,最终得出结论。
一些benchmark
实验
实验设置
基本模型
部分 | 采用 |
---|---|
Motion Model | 粒子滤波 |
Featrue Extractor | raw pixls of grayscale |
Observation Model | 岭回归 |
Model Updater | 选取的bbox得分大于阈值 |
Ensemble Post-processor | 没有 |
该模型的效果如下图(中等水平):
数据集
作者选择VTB1.0作为验证集。
实验1 Featrue Extractor
实验2 Observation Model
实验3 Motion Model
实验4 Model Updater
实验5 Ensemble Post-processor
作者测了两个其他论文里的模型:
结论
结论包括以下4点:
1. 在跟踪器中,Featrue Extractor是最重要的部分;
2. 其实Observation Model没那么重要;
3. Model Updater对跟踪效果有很大影响,但是现在很少有论文专门研究这部分;
4. Ensemble Post-processor是通用且有效的;
5. Model Updater和Motion Model可以显著的提高模型的跟踪效果。